董 亮，阚新生，邓国如，徐 杰，袁 慧

(1.国网湖北省电力有限公司信息通信公司，湖北 武汉 430077；2.中国联合网络通信有限公司武汉市分公司，湖北 武汉 430000)

短期电力负荷预测对于短期电力负荷预测水平的提高，可以帮助电力局提高电力管理水平，降低发电成本，可以为电力的管理和规划提供重要的管理依据[1]。而数据深度挖掘对于提取隐藏的数据信息和潜在有用的知识，并广泛用于各个企业，且取得了良好的经济效益[2]。因此，国内外众多研究者，都在短期电力负荷预测这一领域中，应用数据挖掘技术，并做了大量工作。尤其是近年来，国内外已经将人工智能技术，应用在对电力负荷预测中的数据挖掘技术中，如粗糙集、神经网络、Petri网等[3]。数据挖掘技术始于20世纪80年代末，且对于数据挖掘技术并未得到相应的重视，却在此后的时间里，快速发展数据挖掘技术，并将数据挖掘技术，与人工智能、数据库、机器学习等领域紧密结合[4]。随着对数据挖掘技术的开发，除国内外的研究学者外，各企业也开始加入数据挖掘研究的领域，并将数据挖掘技术进行细致的划分，如数据模型、数据类型、数据应用等[5]。文献[6]提出基于划分法的数据挖掘模型，预测短期电力负荷；文献[7]则提出基于层次法的数据挖掘模型，预测短期电力负荷。但是在上述的研究中，数据挖掘技术在预测短期电力负荷时，短期电力负荷预测存在数据时间序列紊乱现象，导致预测短期电力负荷精确度低，为此研究用于短期电力负荷预测的时间序列数据深度挖掘模型。……